Zacznij terazZacznij za darmo

Test hipotezy: czy pływacy zwalniają?

Teraz przetestujemy hipotezę zerową, że czas odcinka pływaka nie jest w żaden sposób skorelowany z pokonanym dystansem. Jako statystykę testową użyjemy współczynnika korelacji Pearsona (obliczanego za pomocą dcst.pearson_r()).

To ćwiczenie jest częścią kursu

Studia przypadków w myśleniu statystycznym

Zobacz kurs

Instrukcje do ćwiczenia

  • Oblicz zaobserwowany współczynnik korelacji Pearsona i zapisz go jako rho.
  • Za pomocą np.empty() zainicjalizuj tablicę 10 000 replikat permutacyjnych współczynnika korelacji Pearsona i nadaj jej nazwę perm_reps_rho.
  • Napisz pętlę for, która:
    • Przetasuje tablicę numerów odcinków za pomocą np.random.permutation() i zapisze wynik jako scrambled_split_number.
    • Obliczy współczynnik korelacji Pearsona między przetasowaną tablicą numerów odcinków a średnimi czasami odcinków i zapisze go w perm_reps_rho.
  • Oblicz p-wartość i wyświetl ją na ekranie. Przyjmij, że „co najmniej tak ekstremalny" oznacza, że współczynnik korelacji Pearsona jest co najmniej tak duży, jak zaobserwowany.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Observed correlation
rho = ____

# Initialize permutation reps
perm_reps_rho = ____

# Make permutation reps
for i in range(10000):
    # Scramble the split number array
    scrambled_split_number = ____
    
    # Compute the Pearson correlation coefficient
    ____[i] = ____
    
# Compute and print p-value
p_val = ____(____ >= ____) / ____
print('p =', p_val)
Edytuj i uruchom kod